CN115184916A - 一种海面风速联合反演方法、装置、介质及计算设备 - Google Patents
一种海面风速联合反演方法、装置、介质及计算设备 Download PDFInfo
- Publication number
- CN115184916A CN115184916A CN202210817957.XA CN202210817957A CN115184916A CN 115184916 A CN115184916 A CN 115184916A CN 202210817957 A CN202210817957 A CN 202210817957A CN 115184916 A CN115184916 A CN 115184916A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- inversion result
- observation data
- observation
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 description 42
- 239000003242 anti bacterial agent Substances 0.000 description 28
- 229940088710 antibiotic agent Drugs 0.000 description 28
- 230000003115 biocidal effect Effects 0.000 description 28
- 230000006870 function Effects 0.000 description 20
- 230000003042 antagnostic effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000010287 polarization Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/52—Determining velocity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种海面风速联合反演方法,包括:基于微波散射计和星载GNSS‑R重叠观测区域内各自的观测数据,联合反演得到关于微波散射计和星载GNSS‑R重叠观测区域内的第一风速反演结果;基于微波散射计的观测数据,单独反演得到第二风速反演结果;将第一风速反演结果扩充至第二风速反演结果,得到关于微波散射计的完整观测区域的第三风速反演结果;基于合成孔径雷达的观测数据,单独反演得到第四风速反演结果;将第四风速反演结果扩充至第三风速反演结果,得到最终联合反演结果。本发明提供的技术方案,基于微波散射计、星载GNSS‑R,以及合成孔径雷达的观测数据进行联合反演,从而使得到的最终联合反演结果,具有较大观测区域,较高精度,以及较高的分辨率。
Description
技术领域
本发明涉及海面风速观测领域,特别涉及一种海面风速联合反演方法、装置、介质及计算设备。
背景技术
目前,全球范围的海面风速联合反演产品在气象、海洋科学领域有广泛的应用。台风是目前最具破坏性的自然灾害之一,在灾害预警、救援等应用场景下需要通过卫星遥感手段提供台风路径和强度的实时观测结果。目前通过卫星遥感来观测海面风速,例如可以选用微波散射计、星载GNSS-R、SAR传感器,对于微波散射计,其观测范围较大可以实现全球观测、可穿透云雾,但是限于低风速观测,对于高风速观测则精度较低;对于星载GNSS-R,其对于高风速观测精度较高,但是观测范围较小,仅凭单个星载GNSS-R无法实现全球观测;对于SAR传感器,其可以实现全天候观测,而且具有高分辨率,但观测范围较小,无法全球观测。
发明内容
本发明的主要目的是提出一种海面风速联合反演方法、装置、介质及计算设备,旨在解决背景技术中所提到的问题。
为实现上述目的,本发明提出一种样海面风速联合反演方法,包括分别基于微波散射计、星载GNSS-R以及合成孔径雷达得到的多个观测数据,其中,所述星载GNSS-R观测区域和所述合成孔雷达的观测区域均小于所述微波散射计的观测区域,且所述微波散射计和所述星载GNSS-R至少具有部分重叠观测区域,所述微波散射计和所述合成孔径雷达至少具有部分重叠观测区域,所述星载GNSS-R的观测数据的精度高于所述微波散射计的观测数据的精度,所述合成孔径雷达的观测数据的分辨率高于所述微波散射计的观测数据的分辨率,所述方法包括:
基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,其中,所述第一风速反演结果的精度与所述星载GNSS-R的观测数据的精度一致;
基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果,其中,所述第二风速反演结果的精度与所述微波散射计的观测数据的精度一致;
将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,其中,所述第三风速反演结果的精度与所述第一风速反演结果的精度一致;
基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果,其中,所述第四风速反演结果的分辨率与所述合成孔径雷达的观测数据的分辨率一致;
将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,其中,所述最终联合反演结果的精度、观测区域与所述第三风速反演结果的精度、观测区域一致,所述最终联合反演结果的分辨率与所述第四风速反演结果的分辨率一致。
在本申请实施例中,基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,包括:
在所述微波散射计和所述星载GNSS-R的重叠观测区域内,获取所述微波散射计的第一观测数据,以及所述星载GNSS-R的第二观测数据;
基于所述微波散射计的地球物理模型,获取与所述第一观测数据对应的第一模拟观测数据;
基于所述星载GNSS-R的地球物理模型,获取与所述第二观测数据对应的第二模拟观测数据;
基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果。
在本申请实施例中,所述星载GNSS-R的观测数据至少包括如下中的两个:时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率。
在本申请实施例中,所述基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果,包括:
基于所述联合反演模型分别得到所述微波散射计的观测数据的第一误差比值,和所述星载GNSS-R的观测数据的第二误差比值;
基于所述第一误差比值和所述第二误差比值,以及所述微波散射计观测数据的预设权重,和所述星载GNSS-R的观测数据的预设权重,得到所述微波散射计和所述GNSS-R重叠观测区域内的风速反演结果;
按照预设的风速搜索步长,对所述风速反演结果进行迭代,直至风速反演结果的精度达到预设值,并将精度达到预设值的风速反演结果作为所述第一风速反演结果。
在本申请实施例中,所述将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,包括:
基于第二风速反演结果对所述第一风速反演结果进行填补,得到填补后融合风速反演结果;
基于所述第二风速反演结果和所述填补后融合风速反演结果,以及预设的第一对抗生成模型,得到所述第三风速反演结果。
在本申请实施例中,所述第一对抗生成模型通过如下步骤进行训练:
获取单独基于微波散射计的观测数据反演得到的风速结果样本,以及填补后融合风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述填补后融合风速结果样本,利用所述第一对抗生成模型生成第一融合结果;
分别计算所述第一融合结果的对抗损失、重建损失,以及分配损失;
基于所述对抗损失、所述重建损失,以及所述分配损失对所述第一对抗生成模型进行优化。
在本申请实施例中,所述将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,包括:
基于预设的第二对抗生成模型,利用所述第四风速反演结果和所述第三风速反演结果,生成所述最终联合反演结果。
在本申请实施例中,所述第二对抗生成模型通过如下步骤进行训练:
获取第三风速反演结果样本,以及单独基于合成孔径雷达的观测数据反演得到的风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述第三风速反演结果样本,利用所述第二对抗生成模型,生成第二融合结果;
计算所述第二融合结果的对抗损失和特征损失;
基于所述对抗损失和所述特征损失,对所述第二对抗生成模型进行优化。
在本申请实施例中,所述方法还包括:
在得到所述第三风速反演结果之后,判断所述第三风速反演结果的真实性;和/或
在得到最终联合反演结果之后,判断所述最终联合反演结果的真实性。
在本申请实施例中,通过如下方法判断所述反演结果的真实性:
获取任一风速产品;
将所述反演结果进行空间匹配,得到所述反演结果的RMSE精度;
基于所述反演结果的RMSE精度,判断所述风速反演结果的真实性。
本发明还提出一种海面风速联合反演装置,基于微波散射计、星载GNSS-R以及合成孔径雷达的多个观测数据,其中所述星载GNSS-R观测区域和所述合成孔雷达的观测区域均小于所述微波散射计的观测区域,且所述微波散射计和所述星载GNSS-R至少具有部分重叠观测区域,所述微波散射计和所述合成孔径雷达至少具有部分重叠观测区域,所述星载GNSS-R的观测数据的精度高于所述微波散射计的观测数据的精度,所述合成孔径雷达的观测数据的分辨率高于所述微波散射计的观测数据的分辨率,所述装置包括:
获取模块,用于获取所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据、所述微波散射计的观测数据,以及所述合成孔径雷达的观测数据;
反演模块,用于基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,其中,所述第一风速反演结果的精度与所述星载GNSS-R的观测数据的精度一致;以及
基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果,其中,所述第二风速反演结果的精度与所述微波散射计的观测数据的精度一致;
第一对抗生成模块,用于将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,其中,所述第三风速反演结果的精度与所述第一风速反演结果的精度一致;
所述反演模块还用于,基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果,其中,所述第四风速反演结果的分辨率与所述合成孔径雷达的观测数据的分辨率一致;
第二对抗生成模块,用于将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,其中,所述最终联合反演结果的精度、观测区域与所述第三风速反演结果的精度、观测区域一致,所述最终联合反演结果的分辨率与所述第四风速反演结果的分辨率一致。
在本申请实施例中,所述获取模块被配置为:
在所述微波散射计和所述星载GNSS-R的重叠观测区域内,获取所述微波散射计的第一观测数据,以及所述星载GNSS-R的第二观测数据;基于所述微波散射计的地球物理模型,获取与所述第一观测数据对应的第一模拟观测数据;以及
基于所述星载GNSS-R的地球物理模型,获取与所述第二观测数据对应的第二模拟观测数据;
所述反演模块被配置为:
基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果。
在本申请实施例中,所述获取模块还被配置为:在获取所述星载GNSS-R的观测数据时,至少获取时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率中的至少两项。
在本申请实施例中,所述反演模块被配置为:
基于所述联合反演模型分别得到所述微波散射计的观测数据的第一误差比值,和所述星载GNSS-R的观测数据的第二误差比值;
基于所述第一误差比值和所述第二误差比值,以及所述微波散射计观测数据的预设权重,和所述星载GNSS-R的观测数据的预设权重,得到所述微波散射计和所述GNSS-R重叠观测区域内的风速反演结果;
按照预设的风速搜索步长,对所述风速反演结果进行迭代,直至风速反演结果的精度达到预设值,并将精度达到预设值的风速反演结果作为所述第一风速反演结果。
在本申请实施例中,该装置还包括填补模块,所述填补模块被配置为:
基于第二风速反演结果对所述第一风速反演结果进行填补,得到填补后融合风速反演结果;
所述第一对抗生成模块被配置为:
将所述填补后融合风速反演结果扩充至所述第二风速反演结果,得到所述第三风速反演结果。
在本申请实施例中,所述第一对抗生成模型经过如下训练:
获取单独基于微波散射计的观测数据反演得到的风速结果样本,以及填补后融合风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述填补后融合风速结果样本,利用所述第一对抗生成模型生成第一融合结果;
分别计算所述第一融合结果的对抗损失、重建损失,以及分配损失;
基于所述对抗损失、所述重建损失,以及所述分配损失对所述第一对抗生成模型进行优化。
在本申请实施例中,所述第二对抗生成模块被配置为:
将所述第四风速反演结果扩充至所述第三风速反演结果,得到所述最终联合反演结果。
在本申请实施例中,所述第二对抗生成模型经过如下训练:
获取第三风速反演结果样本,以及单独基于合成孔径雷达的观测数据反演得到的风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述第三风速反演结果样本,利用所述第二对抗生成模型,生成第二融合结果;
计算所述第二融合结果的对抗损失和特征损失;
基于所述对抗损失和所述特征损失,对所述第二对抗生成模型进行优化。
在本申请实施例中,所述第一对抗生成模型还用于,在得到所述第三风速反演结果之后,判断所述第三风速反演结果的真实性;
所述第二对抗生成模型还用于,在得到最终联合风速反演结果之后,判断所述最终联合风速反演结果的真实性。
在本申请实施例中,所述第一对抗生成模型还被配置为:
获取任一风速产品;
将所述风速产品和所述第三风速反演结果进行空间匹配,得到所述第三风速反演结果的RMSE精度;
基于所述第三风速反演结果的RMSE精度,判断所述第三风速反演结果的真实性;
所述第二对抗生成模型还被配置为:
获取任一风速产品;
将所述风速产品和所述最终联合风速反演结果进行空间匹配,得到所述最终联合风速反演结果的RMSE精度;
基于所述最终联合风速反演结果的RMSE精度,判断所述最终联合风速反演结果的真实性。
本发明还提出一种介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法。
本发明还提出一种计算设备,所述计算设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现上述任一项所述的方法。
本发明提供的技术方案,首先基于微波散射计和星载GNSS-R重叠观测区域的观测数据进行联合反演,能够得到较小观测区域,较高精度的第一风速反演结果,然后将第一风速反演结果扩充到单独基于微波散射计的观测数据反演得到的第二风速反演结果上,得到具有较大观测区域和较高精度的第三风速反演结果,最终再把单独基于合成孔径雷达的观测数据反演得到的第四风速反演结果扩充至第三风速反演结果上,从而使得到的最终联合反演结果,具有较大观测区域,较高精度,以及较高的分辨率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本申请一实施例中的微波散射计、星载GNSS-R、合成孔径雷达的观测区域示意图;
图2为本申请一实施例中的海面风速联合反演方法的步骤图;
图3为本申请一实施例中的第一对抗生成模型的结构示意图;
图4为本申请一实施例中的第三风速反演结果与ERA5风速结果图;
图5为图4中的第三风速反演结果与ERA5风速结果空间匹配后的散点图;
图6为本申请一实施例中的第二对抗生成模型的结构示意图;
图7为本申请一实施例中的海面风速联合反演装置的结构示意图;
图8为本申请一实施例中的介质的结构示意图;
图9为本申请一实施例中的结算设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种样海面风速联合反演方法、装置、介质及计算设备。
发明概述
发明人研究发现,目前,微波散射计通常被用于全球大尺度海面风速的观测。利用微波散射计对海面风速进行反演的方法,通常利用机载或模拟数据构建地球物理模式函数(GMF),利用实际观测情况下对于某点的多次观测,通过最大似然等方法最终确定该区域的风速结果。微波散射计反演海面风速具有如下优势:1)微波散射计用于观测的频段相对于可见光频段可以穿云透雾,在云雾遮挡、夜晚等环境中可以正常获取数据,可以实现全天候的观测。2)微波散射计扫描幅宽通常较大,观测范围覆盖较连续,具备在一天时间内实现全球范围海面风速联合反演的能力。
微波散射计起步时间较早,但是,其算法与传感器技术至今为止发展速度却较为缓慢。而且,由于利用GMF对海面风速进行反演,导致其在高风速场景下的精度较差,甚至无法使用,在台风等应用环境下反演风速与真值相差较大。
而星载GNSS-R,则是一种低成本海面风速联合反演手段,在高风速场景下可以实现高精度的观测。但由于其随机观测的特性,需要发射多颗小型卫星以建立观测星链,尽可能地对全球进行覆盖,才能实现全球观测的目的。
合成孔径雷达(SAR)可以全天候实时提供海面高分辨率的微波图像信息,其中,利用归一化散射截面积(NRCS)这一观测量可以实现对海面风速在千米分辨率下的观测反演,高分辨率海面风速产品多应用于进海岸区域,如:评估海岸地区风能资源。但是由于SAR传感器本身的特性,其观测范围较小,因此一般无法完成全球海面风速的观测反演。
GAN(生成式对抗网络)是利用生成性网络(随机生成输出)和区别性网络(识别错误和正确的样本)之间的对抗性策略进行训练的机器学习架构。GAN在图像和视频生成、修复以及图像超分辨率等方面显示出卓越的性能。由于海面风速反演可以视为一系列海面风速的快照,因此,可以利用GAN,在微波散射计基础上,将GNSS-R和SAR融合,形成一种新的风速观测的手段。
因此,本申请提出了一种利用微波散射计、GNSS-R和合成孔径雷达进行的联合反演方法,旨在融合利用三种传感器的观测优势,最终得到到高精度、高分辨率的全球海面风速的联合反演结果。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
示例性方法
请结合参照图1,本示例性实施方式提出一种海面风速联合反演方法,该方法包括分别基于微波散射计、星载GNSS-R以及合成孔径雷达得到的多个观测数据,其中,所述星载GNSS-R观测区域和所述合成孔雷达的观测区域均小于所述微波散射计的观测区域,且所述微波散射计和所述星载GNSS-R至少具有部分重叠观测区域,所述微波散射计和所述合成孔径雷达至少具有部分重叠观测区域,所述星载GNSS-R的观测数据的精度高于所述微波散射计的观测数据的精度,所述合成孔径雷达的观测数据的分辨率高于所述微波散射计的观测数据的分辨率。
如图1所示,微波散射计具有较大观测范围,图1中的区域S1为微波散射计的观测区域,S2为星载GNSS-R的单轨观测区域,S3为合成孔径雷达的观测区域,其中S2和S3均小于S1,且S2和S3均位于S1之内,因此,对于微波散射计和星载GNSS-R的重叠观测区域即为S2区域,对于微波散射计和合成孔径雷达的重叠观测区域即为S3区域。需要说明的是,在其他实施例中,S2和S3也可以仅仅部分位于S1内。
如图2所示,在本申请实施例中,该方法包括如下步骤:
步骤S100:基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,其中,所述第一风速反演结果的精度与所述星载GNSS-R的观测数据的精度一致。
步骤S200:基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果,其中,所述第二风速反演结果的精度与所述微波散射计的观测数据的精度一致。
步骤S300:将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,其中,所述第三风速反演结果的精度与所述第一风速反演结果的精度一致。
步骤S400:基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果,其中,所述第四风速反演结果的分辨率与所述合成孔径雷达的观测数据的分辨率一致。
步骤S500:将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,其中,所述最终联合反演结果的精度、观测区域与所述第三风速反演结果的精度、观测区域一致,所述最终联合反演结果的分辨率与所述第四风速反演结果的分辨率一致。
对于步骤S100,在本申请实施例中,可以通过如下步骤S110-S140进行联合反演得到第一风速反演结果:
步骤S110:在所述微波散射计和所述星载GNSS-R的重叠观测区域内,获取所述微波散射计的第一观测数据,以及所述星载GNSS-R的第二观测数据。
在本申请实施例中,微波散射计的观测数据为雷达散射截面积,那么第一观测数据可以为微波散射计在观测区域S1内各个位置的雷达散射截面积。
星载GNSS-R的观测数据包括多个类型,比如双基雷达散射截面、时延相关曲线前沿斜率、时延相关曲线后沿斜率、镜面反射点位置、GNSS-R卫星高度角、散射面积、时延-多普勒相关功率均值、有效面积。
在本申请实施例中,第二观测观测数据可以为时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率中任意的两个或者全部。
以第一观测数据为散射截面积,第二观测数据为时延多普勒相关功率均值、时延相关曲线前沿斜率,以及时延相关曲线后沿斜率为例,在步骤S110中,需要获取微波散射计在观测区域S2内各个位置的散射截面积,以及星载GNSS-R在观测区域S2内的时延多普勒相关功率均值、时延相关曲线前沿斜率,以及时延相关曲线后沿斜率。其中,微波散射计的第一观测数据的精度较星载GNSS-R的第二观测数据的精度低。
步骤S120:基于所述微波散射计的地球物理模型,获取与所述第一观测数据对应的第一模拟观测数据。
在本申请实施例中,微波散射计的地球物理模型如下:
其中,bki,p为经验的系数,其中i为式(2)的项数。
通过微波散射计的地球物理模型,就可以获取关于第一数据的第一模拟观测数据,如,第一模拟观测数据为利用微波散射计的地球物理模型,模拟观测区域S2内各个位置的雷达散射截面积。
步骤S130:基于所述星载GNSS-R的地球物理模型,获取与所述第二观测数据对应的第二模拟观测数据。
在本申请实施例中,星载GNSS-R的地球物理模型如下:
其中,σ0为交叉散射截面(雷达截面积),包括反射系数和粗糙度等待求解未知量;Y(τ,f)是接收机处理后的信号相关功率,是关于延迟和多普勒的函数;Pt是卫星发射的信号功率;Gt和Gr是卫星天线和接收机天线增益;Ti是信号处理中相干积分时间;Rt和Rr是卫星和接收机到地面反射点的距离;S(f)是多普勒频移sinc函数;Λ(τ)是GNSS码相关函数;A是有效的散射区域。
通过星载GNSS-R的地球物理模型,就可以获取关于第二观测数据的第二模拟观测数据。其中,第二观测数据包括观测区域S2内的时延多普勒相关功率均值、时延相关曲线前沿斜率,以及时延相关曲线后沿斜率,那么第二模拟观测数据就需要包括利用星载GNSS-R的地球物理模型模拟观测区域S2内的时延多普勒相关功率均值、时延相关曲线前沿斜率,以及时延相关曲线后沿斜率。
在分别获取了微波散射计和星载GNSS-R在观测区域S2内的观测数据以及模拟观测数据后,就可以利用各自的观测数据和模拟观测数据,利用预设的联合反演模型进行联合反演,即,步骤S140:基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果。
在本申请实施例中,预设的风速反演模型如下:
为第一观测数据,代表微波散射计在第j个位置实际观测到的雷达散射截面积;σoj为第一模拟观测数据,代表在第j个位置通过微波散射计的地球物理模型模拟的雷达散射截面积;δj代表微波散射计对雷达散射截面积测量不确定度的第一误差值,代表第一误差比值;N表示在同一采集区域(观测区域S2)的同一时刻,微波散射计在N个不同位置进行采集观测数据;k1为微波散射计对应的第一权重。
DDM为第二观测数据,代表DDM特征值,DDM特征值具有多个类型,如时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率。M代表DDM特征值的类型,比如在本申请中实施例中,使用三个DDM特征值进行反演,则M=3。为星载GNSS-R在观测区域S2内实际观测到的第i个类型的DDM特征值,DDMi为利用星载GNSS-R地球物理模型在观测区域S2内,模拟出来的第i个类型的DDM特征值;为星载GNSS-R对测量各个类型的DDM特征值不确定度第二误差值;为第二误差比值,由于DDM特征值具有多个,因此第二误差比值可以为各个类型的DDM特征值的误差比值之和;k2为星载GNSS-R对应的第二权重。
在本申请实施例中,第一权重和第二权重可以预先设定。
在本申请实施例中,基于上述联合反演模型(4),按照预设的风速搜索步长,可以对所述风速反演结果进行迭代,直至风速反演结果的精度达到预设值,并将精度达到预设值的风速反演结果作为所述第一风速反演结果。
由于第一风速反演结果是基于微波散射计和星载GNSS-R在重叠观测区域(如S2)内各自的观测数据联合反演得到的,故而得到的第一风速反演结果能够覆盖的区域与微波散射计和星载GNSS-R重叠观测区域一致,在图1所示的实施例中,星载GNSS-R的观测区域完全位于微波散射计的观测区域内,重叠观测区域即为星载GNSS-R的单轨观测区域,那么第一风速反演结果所覆盖的区域能够保持与星载GNSS-R的观测区域大小一致;另外由于星载GNSS-R的观测数据具有高精度的特点,因此联合反演得到的第一风速反演结果的精度与星载GNSS-R的观测数据的精度一致,相比单独基于微波散射计的观测数据反演得到的风速反演结果精度更高,故而在高风速的情境下,第一风速反演结果同样能够具有高精度的优点。
对于步骤S200,基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果。
在本申请实施例中,可以单独基于微波散射计在观测区域S1内的观测数据,利用最大似然法单独反演得到第二风速反演结果。比如,可以通过如下目标函数,得到第二风速反演结果:
其中i为不同的观测方向(如:前向,后向)和模式(例如VV极化,HV极化,L波段,C波段),N为观测的次数,为观测到的雷达散射截面,σoi为利用微波散射计的地球物理模型模拟得到的雷达散射截面积,δi为微波散射计对雷达截面积测量不确定度的标准差。
比如在本申请实施例中,采用VV极化的观测模式,则可以通过目标函数(5)对观测到的多组不同频段的VV极化σ0,确定入射角后,在对应的地球物理模型中沿风速和风向进行搜索迭代矢量风场,通过约束优化得到最小化目标函数对应的风速和风向,在搜索终点得到第二风速反演结果。其中第二风速反演结果的精度保持与微波散射计的观测数据的精度一致。
对于步骤S300,将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果。
在本申请实施例中,可以通过如下步骤进行扩充:
步骤S310:基于第二风速反演结果对所述第一风速反演结果进行填补,得到填补后融合风速反演结果。
其中,第二风速反演结果是基于微波散射计的观测数据进行单独反演的,因而第二风速反演结果能够覆盖全部的观测区域S1,第一风速反演结果仅仅能够覆盖微波散射计和星载GNSS-R的重叠观测区域,即观测区域S2。在步骤S310中,可以利用具有较大观测区域的第二风速反演结果对具有较小观测区域的第一风速反演结果进行填补。填补时,在观测区域S2的部分,第二风速反演结果保持不变,而超出观测区域S2的部分,则可以利用第二风速反演结果进行填补,得到的填补后融合风速反演结果,能够覆盖整个观测区域S1;另外,填补后融合风速反演结果在S2区域能够保持较高的精度,而在S1除去S2之外的区域保持与第二风速反演结果相同的精度。
步骤S320:基于所述第二风速反演结果和所述填补后融合风速反演结果,以及预设的第一对抗生成模型,得到所述第三风速反演结果。
如图3所示,在本申请实施例中,第一对抗生成模型包括由8层U-NET网络构成的Gows生成器,图3中具有3个第二风速反演结果,和3个第一风速反演结果,利用3个第二风速反演结果分别对3个第一风速反演结果进行填补,能够得到3个填补后融合风速反演结果。
在步骤S320中,可以将第二风速反演结果与对应的填补后融合风速反演结果输入Gows生成器,U-NET网路就能够对抗生成第三风速反演结果。需要说明的是,图3中的3个Gows生成器并非指的是第一对抗生成模型中需要具有三个生成器,图3中的3个Gows生成器是为了与3组第二风速反演结果和填补后融合风速反演结果对应。
在本申请实施例中,所述第一对抗生成模型通过如下步骤S610-S640进行训练:
步骤S610:获取单独基于微波散射计的观测数据反演得到的风速结果样本,以及填补后融合风速结果样本。
在步骤S610中,对于单独基于微波散射计的观测数据反演得到的风速结果样本,可以利用上述目标函数(5)进行获取,具体方法参照步骤S200,在此不一一赘述。需要说明的是,单独基于微波散射计反演得到的风速结果样本可以有多个。
对于填补后融合风速结果样本,可以基于在步骤S610中单独基于微波散射计反演得到的风速结果样本,参照步骤100、步骤S200,以及步骤S310进行获取,在此不一一赘述。需要说明的是,填补后融合风速结果样本可以有多个,而且多个填补后融合风速结果样本,与步骤S610中单独基于微波散射计反演得到的多个风速结果样本一一对应。
步骤S620:基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述填补后融合风速结果样本,利用所述第一对抗生成模型生成第一融合结果。
参照图3,在步骤S620中,将多个单独基于微波散射计的观测数据反演得到的风速结果样本,和多个填补后融合风速结果样本一一对应的输入至第一对抗生成模型,可以生成多个第一融合结果。
步骤S630:分别计算所述第一融合结果的对抗损失、重建损失,以及分配损失。
在步骤S630中,对抗损失可以通过将得到的第一融合结果分布在目标观测区域中,并与现有的风速产品(如ERA5风速产品)在该目标观测区域中的数据分布相匹配,然后计算得到。其中,目标观测区域为第一融合结果所反应的观测区域。具体可以基于如下方式计算得到:
LGAN(GOWS,DOWS)=LOWS(GOWS,DOWS) (6)
其中GOWS为第一融结果在目标观测区域的数据分布,DOWS为现有的风速产品在目标观测区域的数据分布,LGAN(GOWS,DOWS)为第一融合结果的对抗损失。
重构损失可以通过基于第一融合结果在目标观测区域的整体结构,以及现有的风速产品在该目标观测区域内的整体结构进行获取。比如逐像素的对比第一融合结果和现有风速产品(如ERA5风速产品)的均方根误差,具体可以通过如下方式计算得到:
其中,ows代表生成的第一融合结果的风速值,代表现有风速产品的真值风速,比如基于ERA5风速产品的真实风场得到,代表第一融合结果和现有风速产品的逐个像素点的MSE(均方根误差)损失,Lrec(GOWS)为第一融合结果的重构损失。
分配损失可以通过对比第一融合结果和现有的风速产品在目标观测区域特征分布的相似性进行计算得到。比如,可以使用Kullback-Leibler(KL)散度,计算第一融合结果和现有的风速产品(如ERA5风速产品)在目标观测区域内的概率密度函数之间的相似性。具体可以通过如下方式计算得到:
其中,f(p)为第一融合结果在目标感测区域的概率密度函数,g(p)为现有的风速产品在目标观测区域的概率密度函数,p表示各种风速,例如高风速或低风速。
在得到了对抗损失、重建损失,以及分配损失,就可以对第一对抗生成模型进行优化。
步骤S640:基于所述对抗损失、所述重建损失,以及所述分配损失对所述第一对抗生成模型进行优化。
在本申请实施例中,可以通过对抗损失、重建损失,以及分配损,构建关于单独基于微波散射计的风速反演结果(第二风速反演结果)和基于微波散射计与星载GNSS-R联合反演后得到的填补后融合反演结果,与第三风速反演结果(第一融合结果)之间的损失函数,如下:
LF(GOWS,DOWS)=LGAN(GOWS,DOWS)+λ1Lrec(GOWS)+λ2LKL(GOWS) (9)
其中,λ1为重建损失的权重,λ2为分配损失的权重,LF(GOWS,DOWS)为第一对抗生成模型生成第一融合结果总的损失,通过多个单独基于微波散射计反演得到的风速结果样本,和多个填补后融合风速结果样本,对第一对抗生成模型进行训练优化,使得LF(GOWS,DOWS)最小,从而使基于第一对抗生成模型生成的第三风速反演结果,在具有高精度的前提下,尽可能的具有较高的可信度。另外,引入λ1和λ2,还能够控制目标之间的重要性,并稳定训练和损失的相对平衡。
第一风速反演结果基于微波散射计和星载GNSS-R联合反演得到,从而使第一风速反演结果具有较高的精度,但是观测区域较小;第二风速反演结果能够保证具有较大的观测区域;将第一风速反演结果扩充至第二风速反演结果后得到第三风速反演结果,得到的第三风速反演结果的精度能够与第一风速反演结果的精度保持一致,从而使第三风速反演结果既能够保证具有较大的观测区域,又能保证具有较高的精度。
在本申请另一实施例中,在得到关于所述微波散射计的完整观测区域的第三风速反演结果之后,还包括:
通过如下步骤S330-S350,判断所述第三风速反演结果的真实性:
步骤S330:获取任一风速产品。
步骤S340:基于所述风速产品和所述第三风速反演结果进行空间匹配,得到所述第三风速反演结果的RMSE精度。其中,RMSE精度为均方根误差(Root Mean Square Error)。
步骤S350:基于所述RMSE精度判断第三风速反演结果的真实性。
如图3所示,在本申请实施例中,第一对抗生成模型还包括第一鉴别器(DOWS鉴别器),通过第一鉴别器可以判断生成的第三风速反演结果的真实性。具体如下:
如图4所示,在本申请实施例中,步骤S330中现有的风速产品可以为ERA5风速产品(图4右侧)。图4左侧为第三风速反演结果,其中Ascat为微波散射计,cygnss为遥感卫星星载GNSS-R。需要说明的是,选择的ERA5风速产品,需要与第三风速反演结果具有相同的观测区域和相同的观测时间。比如,在图4实施例中,第三风速反演结果和ERA5风速产品均反映的是该目标区域2021年4月14日的风速结果。
在获取到相应的观测区域和观测时段内的ERA5风速产品后,第一鉴别器可以对第三风速反演结果和ERA5风速产品在该观测时段内进行平均,并进行空间匹配匹。如图5所示,图5即为对图4中的第三风速反演结果和ERA5风速产品在2021年4月14日内进行平均后,进行空间匹配得到的散点图。
然后就可以计算第三风速反演结果的RMSE精度,具体可以通过如下方式计算:
其中,n为参与精度验证的数据总量;i=1,2,3,…表示第i个数据;Eret,i为反演所得风速;Eref,i为原始ERA5的参考风速。
得到RMSE精度后,根据预设的RMSE精度阈值,就可以判断第三风速反演结果的真实性,如果RMSE精度达到预设阈值则进行下一步,若未达到阈值,则需要重新进行计算。
对于步骤S400,基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果。
比如,在本申请实施例中,单独基于合成孔径雷达的观测数据进行风速反演,可以利用现有的风速产品提供合成孔径雷达的观测区域S3的初始风向,然后基于合成孔径雷达对应波段的地球物理模型和代价函数进行得到,代价函数如下:
其中,为合成孔径雷达的VV或HH频段观测到的归一化散射截面积(NRCS),为利用地球物理模型预测的归一化散射截面积的预设值,umodel和vmodel是利用标准风速参照值得到的风速在U和V方向上的分量,比如可以基于ECMWF模型(欧洲中期天气预报中心European Centre for Medium-Range Weather Forecasts)获得。Δσ0、Δu、Δv分别为ECMWF模型下的高斯标准差。其中地球物理模型可以根据合成孔径雷达对应的波段选择。比如,在本申请是合理中,合成孔雷达为GF-3(高分三号卫星),对应的波段为C波段,则可以选用CMOD5N或者CMOD7的地球物理模型。
通过上述代价函数(10)可以获取第四风速反演结果,第四风速反演结果基于合成孔径雷达反演得到,因此第四风速反演结果的分辨率能够与合成孔径雷达的观测数据的分辨率保持一致,从而具备了高分辨率的优点。
对于步骤S500,将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果。
在本申请实施例中,可以基于预设的第二对抗生成模型,利用所述第四风速反演结果和所述第三风速反演结果,生成所述最终联合反演结果。
如图6所示,在本申请实施例中,第二对抗生成模型为GWSGAN(Global Wind SpeedGAN)-HR(High resolution),其内部具有由SRResNet构成的GHRWS生成器,将第四风速反演结果和第三风速反演结果输入至第二对抗生成模型,利用第二对抗生成模型中的GHRWS生成器对抗生成最终的联合反演结果。
如图6所示,单独基于合成孔径雷达得到的第四风速反演结果具有较高的分辨率,一般为高于第三风速反演结果样本的分辨率,第三风速反演结果的分辨率一般为0.25°*0.25°。合成孔径雷达的观测区域S3位于第三风速反演结果的对应的观测区域S1的内部,因此可以基于地理空间上的相似性进行超分辨率的拓展,利用GHRWS生成器将第四风速反演结果扩充至第三风速反演结果后,能够得到分辨率为0.125°*0.125°的超分辨的联合反演结果,从而使最终的联合反演结果的分辨率与第四风速反演结果的分辨率保持一致。另外,最终联合反演结果的精度、观测区域与第三风速反演结果的精度、观测区域保持一致,从而最终联合风速反演结果不仅具有较大的观测区域和较高的精度,还能具有较高的分辨率。其中,OWSGAN-LR为第一对抗生成模型,SR 0.125°为分辨率为0.125°的超分辨率联合风速反演结果,SAR 0.125°为分辨率为0.125°的SAR高分辨率风速反演结果,RAD 0.25°为分辨率为0.25°的低分辨比率、高精度的微波散射计风速反演结果(第三风速反演结果),conv、PReLU(Parametric Rectified Linear Unit)、BN(Batch Normalization激活函数)、elementwis2 SUM为第二对抗生成模型中的生成器的各个卷积神经网络。
在本申请实施例中,可以通过如下步骤S710-S740对第二对抗生成模型进行训练:
步骤S710:获取第三风速反演结果样本,以及单独基于合成孔径雷达的观测数据反演得到的风速结果样本。
其中,第三风速反演结果样本可以按照上述步骤S100-S300获取,在此不一一赘述;单独基于合成孔径雷达反演得到的风速结果样本,可以参照步骤S400进行获取,在此不一一赘述。其中,第三风速反演结果样本和单独基于合成孔径雷达反演得到的风速结果样本,均可以有多个,且各个第三风速反演结果样本和各个单独基于合成孔径雷达反演得到的风速结果样本的精度一致。
步骤S720:基于所述单独基于微波散射计反演得到的风速结果样本和所述第三风速反演结果样本,利用所述第二对抗生成模型,生成第二融合结果。
其中,可以将多个第三风速结果样本和多个单独基于微波散射计反演得到的风速结果样本输入第二对抗生成模型,即可生成对应的第二融合结果。
步骤S730:计算所述第二融合结果的对抗损失和特征损失。
在本申请中,可以基于如下方式进行计算第二融合结果对抗损失和特征损失。
其中,为特征损失,由第二融合结果和现有风速产品(如ERA5)的逐个像素点计算MSE损失得到;为对抗损失,采用相对形式进行计算,其中xr表示现有风速产品的真实风速,xf表示第二融合结果中的风速结果,DRa表示相对判别器,λmse、λGen分别表示权重。
在得到第二融合结果的对抗损失和特征损失之后,就可以对第二对抗生成模型进行优化,反复生成第二融合结果,并迭代调整损失函数的权重,即步骤S740:基于所述对抗损失和所述特征损失,对所述第二对抗生成模型进行优化。
对第二对抗生成模型优化的过程,使目标函数最小化,从而使基于第二对抗生成模型生成的第二融合结果(最终风速反演结果)的特征损失最小,同时保证具有较高的分辨率。
第二对抗生成模型经过步骤S710-S740训练之后,就可以基于具有将较高分辨率的合成孔径雷达的风速反演结果,融合到分辨率较低、观测区域较大的第三风速反演结果上,从而得到的最终联合反演结果,具有较大的观测区域,较高的精度,以及较高的分辨率。
在本申请实施例中,在得到最终联合反演结果之后,还包括:判断所述最终联合反演结果的真实性。
如图6所示,第二生成模型还包括第二鉴别器(DHRWS鉴别器),其中,conv、LReLU(Leaky ReLu)、BN(Batch Normalization激活函数)、Dense(1024)全连接层、Dense(1)全连接层、RelativisticSigmald为第二鉴别器的各个卷积神经网络。利用第二鉴别器可以判断得到的联合反演结果的真实性。第二鉴别器的判断过程,可以参照步骤S330-S350中第一鉴别器对于第三风速反演结果真实性判断的具体步骤。在此不一一赘述。
基于第二鉴别器,将最终联合反演结果与现有的风速产品(如ERA5风速产品)对比,根据联合反演结果的RMSE精度,并基于预设RMSE精度判断最终联合反演结果的真实性。
本发明提供的技术方案,首先基于微波散射计和星载GNSS-R重叠观测区域的观测数据进行联合反演,能够得到较小观测区域,较高精度的第一风速反演结果,然后将第一风速反演结果扩充到单独基于微波散射计的观测数据反演得到第二风速反演结果上,得到具有较大观测区域和较高精度的第三风速反演结果,最终再把单独基于合成孔径雷达的观测数据反演得到的第四风速反演结果扩充至第三风速反演结果上,从而使得到的最终联合反演结果,具有较大观测区域,较高精度,以及较高的分辨率。
示例性装置
在介绍了本发明示例性实施方式的方法之后,接下来,参照图7对本发明示例性实施方式的一种海面风速联合反演装置进行说明,该装置基于微波散射计、星载GNSS-R以及合成孔径雷达的多个观测数据,其中,所述星载GNSS-R观测区域和所述合成孔雷达的观测区域均小于所述微波散射计的观测区域,且所述微波散射计和所述星载GNSS-R至少具有部分重叠观测区域,所述微波散射计和所述合成孔径雷达至少具有部分重叠观测区域,所述星载GNSS-R的观测数据的精度高于所述微波散射计的观测数据的精度,所述合成孔径雷达的观测数据的分辨率高于所述微波散射计的观测数据的分辨率,所述装置包括:
获取模块,用于获取所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据、所述微波散射计的观测数据,以及所述合成孔径雷达的观测数据;
反演模块,用于基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,其中,所述第一风速反演结果的精度与所述星载GNSS-R的观测数据的精度一致;以及
基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果,其中,所述第二风速反演结果的精度与所述微波散射计的观测数据的精度一致;
第一对抗生成模块,用于将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,其中,所述第三风速反演结果的精度与所述第一风速反演结果的精度一致;
所述反演模块还用于,基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果,其中,所述第四风速反演结果的分辨率与所述合成孔径雷达的观测数据的分辨率一致;
第二对抗生成模块,用于将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,其中,所述最终联合反演结果的精度、观测区域与所述第三风速反演结果的精度、观测区域一致,所述最终联合反演结果的分辨率与所述第四风速反演结果的分辨率一致。
在本申请实施例中,所述获取模块被配置为:
在所述微波散射计和所述星载GNSS-R的重叠观测区域内,获取所述微波散射计的第一观测数据,以及所述星载GNSS-R的第二观测数据;基于所述微波散射计的地球物理模型,获取与所述第一观测数据对应的第一模拟观测数据;以及
基于所述星载GNSS-R的地球物理模型,获取与所述第二观测数据对应的第二模拟观测数据;
所述反演模块被配置为:
基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果。
在本申请实施例中,所述获取模块还被配置为:在获取所述星载GNSS-R的观测数据时,至少获取时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率中的至少两项。
在本申请实施例中,所述反演模块被配置为:
基于所述联合反演模型分别得到所述微波散射计的观测数据的第一误差比值,和所述星载GNSS-R的观测数据的第二误差比值;
基于所述第一误差比值和所述第二误差比值,以及所述微波散射计观测数据的预设权重,和所述星载GNSS-R的观测数据的预设权重,得到所述微波散射计和所述GNSS-R重叠观测区域内的风速反演结果;
按照预设的风速搜索步长,对所述风速反演结果进行迭代,直至风速反演结果的精度达到预设值,并将精度达到预设值的风速反演结果作为所述第一风速反演结果。
在本申请实施例中,该装置还包括填补模块,所述填补模块被配置为:
基于第二风速反演结果对所述第一风速反演结果进行填补,得到填补后融合风速反演结果;
所述第一对抗生成模块被配置为:
将所述填补后融合风速反演结果扩充至所述第二风速反演结果,得到所述第三风速反演结果。
在本申请实施例中,所述第一对抗生成模型经过如下训练:
获取单独基于微波散射计的观测数据反演得到的风速结果样本,以及填补后融合风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述填补后融合风速结果样本,利用所述第一对抗生成模型生成第一融合结果;
分别计算所述第一融合结果的对抗损失、重建损失,以及分配损失;
基于所述对抗损失、所述重建损失,以及所述分配损失对所述第一对抗生成模型进行优化。
在本申请实施例中,所述第二对抗生成模块被配置为:
将所述第四风速反演结果扩充至所述第三风速反演结果,得到所述最终联合反演结果。
在本申请实施例中,所述第二对抗生成模型经过如下训练:
获取第三风速反演结果样本,以及单独基于合成孔径雷达的观测数据反演得到的风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述第三风速反演结果样本,利用所述第二对抗生成模型,生成第二融合结果;
计算所述第二融合结果的对抗损失和特征损失;
基于所述对抗损失和所述特征损失,对所述第二对抗生成模型进行优化。
在本申请实施例中,所述第一对抗生成模型还用于,在得到所述第三风速反演结果之后,判断所述第三风速反演结果的真实性;
所述第二对抗生成模型还用于,在得到最终联合风速反演结果之后,判断所述最终联合风速反演结果的真实性。
在本申请实施例中,所述第一对抗生成模型还被配置为:
获取任一风速产品;
将所述风速产品和所述第三风速反演结果进行空间匹配,得到所述第三风速反演结果的RMSE精度;
基于所述第三风速反演结果的RMSE精度,判断所述第三风速反演结果的真实性;
所述第二对抗生成模型还被配置为:
获取任一风速产品;
将所述风速产品和所述最终联合风速反演结果进行空间匹配,得到所述最终联合风速反演结果的RMSE精度;
基于所述最终联合风速反演结果的RMSE精度,判断所述最终联合风速反演结果的真实性。。
对于海面风速联合反演装置中涉及到的各个模块的具体工作原理,可以参照海面风速联合反演方法中的各个实施例,在此不一一赘述。
本发明提供的技术方案,首先基于微波散射计和星载GNSS-R重叠观测区域的观测数据进行联合反演,能够得到较小观测区域,较高精度的第一风速反演结果,然后将第一风速反演结果扩充到单独基于微波散射计的观测数据反演得到的第二风速反演结果上,得到具有较大观测区域和较高精度的第三风速反演结果,最终再把单独基于合成孔径雷达的观测数据反演得到的第四风速反演结果扩充至第三风速反演结果上,从而使得到的最终联合反演结果,具有较大观测区域,较高精度,以及较高的分辨率。
示例性介质
在介绍了本发明示例性实施方式的方法、装置之后,接下来,参考图8对本发明示例性实施方式的计算机可读存储介质进行说明。
请参考图8,其示出的计算机可读存储介质为光盘70,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会实现上述方法实施方式中所记载的各步骤,例如:基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果;基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果;将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果;基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果;将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果。各步骤的具体实现方式在此不再重复说明。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
示例性计算设备
在介绍了本发明示例性实施方式的方法、装置和介质之后,接下来,参考图9对本发明示例性实施方式的计算设备80进行说明。
图9示出了适于用来实现本发明实施方式的示例性计算设备80的框图,该计算设备80可以是计算机系统或服务器。图9显示的计算设备80仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,计算设备80的组件可以包括但不限于:一个或者多个处理器或者处理单元801,系统存储器802,连接不同系统组件(包括系统存储器802和处理单元801)的总线803。
计算设备80典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算设备80访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器802可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)8021和/或高速缓存存储器8022。计算设备70可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,ROM8023可以用于读写不可移动的、非易失性磁介质(图9中未显示,通常称为“硬盘驱动器”)。尽管未在图9中示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线803相连。系统存储器802中可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块8024的程序/实用工具8025,可以存储在例如系统存储器802中,且这样的程序模块8024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块8024通常执行本发明所描述的实施例中的功能和/或方法。
计算设备80也可以与一个或多个外部设备804(如键盘、指向设备、显示器等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,计算设备80还可以通过网络适配器806与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图9所示,网络适配器806通过总线803与计算设备80的其它模块(如处理单元801等)通信。应当明白,尽管图9中未示出,可以结合计算设备80使用其它硬件和/或软件模块。
处理单元801通过运行存储在系统存储器802中的程序,从而执行各种功能应用以及数据处理,例如,基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果;基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果;将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果;基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果;将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果。各步骤的具体实现方式在此不再重复说明。应当注意,尽管在上文详细描述中提及了海面风速联合反演装置的若干单元/模块或子单元/子模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
通过以上描述,本申请实施例至少提供如下技术方案,但不仅限于此:
1.一种海面风速联合反演方法,包括分别基于微波散射计、星载GNSS-R以及合成孔径雷达得到的多个观测数据,其中,所述星载GNSS-R观测区域和所述合成孔雷达的观测区域均小于所述微波散射计的观测区域,且所述微波散射计和所述星载GNSS-R至少具有部分重叠观测区域,所述微波散射计和所述合成孔径雷达至少具有部分重叠观测区域,所述星载GNSS-R的观测数据的精度高于所述微波散射计的观测数据的精度,所述合成孔径雷达的观测数据的分辨率高于所述微波散射计的观测数据的分辨率,所述方法包括:
基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,其中,所述第一风速反演结果的精度与所述星载GNSS-R的观测数据的精度一致;
基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果,其中,所述第二风速反演结果的精度与所述微波散射计的观测数据的精度一致;
将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,其中,所述第三风速反演结果的精度与所述第一风速反演结果的精度一致;
基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果,其中,所述第四风速反演结果的分辨率与所述合成孔径雷达的观测数据的分辨率一致;
将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,其中,所述最终联合反演结果的精度、观测区域与所述第三风速反演结果的精度、观测区域一致,所述最终联合反演结果的分辨率与所述第四风速反演结果的分辨率一致。
2.如技术方案1所述的海面风速联合反演方法,其中,基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,包括:
在所述微波散射计和所述星载GNSS-R的重叠观测区域内,获取所述微波散射计的第一观测数据,以及所述星载GNSS-R的第二观测数据;
基于所述微波散射计的地球物理模型,获取与所述第一观测数据对应的第一模拟观测数据;
基于所述星载GNSS-R的地球物理模型,获取与所述第二观测数据对应的第二模拟观测数据;
基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果。
3.如技术方案1或2所述的海面风速联合反演方法,其中,所述星载GNSS-R的观测数据至少包括如下中的两个:时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率。
4.如技术方案1-3任一项所述的海面风速联合反演方法,其中,所述基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果,包括:
基于所述联合反演模型分别得到所述微波散射计的观测数据的第一误差比值,和所述星载GNSS-R的观测数据的第二误差比值;
基于所述第一误差比值和所述第二误差比值,以及所述微波散射计观测数据的预设权重,和所述星载GNSS-R的观测数据的预设权重,得到所述微波散射计和所述GNSS-R重叠观测区域内的风速反演结果;
按照预设的风速搜索步长,对所述风速反演结果进行迭代,直至风速反演结果的精度达到预设值,并将精度达到预设值的风速反演结果作为所述第一风速反演结果。
5.如技术方案1-4任一项所述的海面风速联合反演方法,其中,所述将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,包括:
基于第二风速反演结果对所述第一风速反演结果进行填补,得到填补后融合风速反演结果;
基于所述第二风速反演结果和所述填补后融合风速反演结果,以及预设的第一对抗生成模型,得到所述第三风速反演结果。
6.如技术方案1-5任一项所述的海面风速联合反演方法,其中,所述第一对抗生成模型通过如下步骤进行训练:
获取单独基于微波散射计的观测数据反演得到的风速结果样本,以及填补后融合风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述填补后融合风速结果样本,利用所述第一对抗生成模型生成第一融合结果;
分别计算所述第一融合结果的对抗损失、重建损失,以及分配损失;
基于所述对抗损失、所述重建损失,以及所述分配损失对所述第一对抗生成模型进行优化。
7.如技术方案1-6任一项所述的海面风速联合反演方法,其中,所述将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,包括:
基于预设的第二对抗生成模型,利用所述第四风速反演结果和所述第三风速反演结果,生成所述最终联合反演结果。
8.如技术方案1-7任一项所述的海面风速联合反演方法,其中,所述第二对抗生成模型通过如下步骤进行训练:
获取第三风速反演结果样本,以及单独基于合成孔径雷达的观测数据反演得到的风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述第三风速反演结果样本,利用所述第二对抗生成模型,生成第二融合结果;
计算所述第二融合结果的对抗损失和特征损失;
基于所述对抗损失和所述特征损失,对所述第二对抗生成模型进行优化。
9.如技术方案1-8所任一项述的海面风速联合反演方法,其中,所述方法还包括:
在得到所述第三风速反演结果之后,判断所述第三风速反演结果的真实性;和/或
在得到最终联合反演结果之后,判断所述最终联合反演结果的真实性。
10.如技术方案1-9任一项所述的海面风速联合反演方法,其中,通过如下方法判断反演结果的真实性:
获取任一风速产品;
将所述风速产品和所述反演结果进行空间匹配,得到所述反演结果的RMSE精度;
基于所述反演结果的RMSE精度,判断所述反演结果的真实性。
11.一种海面风速联合反演装置,基于微波散射计、星载GNSS-R以及合成孔径雷达的多个观测数据,其中,所述星载GNSS-R观测区域和所述合成孔雷达的观测区域均小于所述微波散射计的观测区域,且所述微波散射计和所述星载GNSS-R至少具有部分重叠观测区域,所述微波散射计和所述合成孔径雷达至少具有部分重叠观测区域,所述星载GNSS-R的观测数据的精度高于所述微波散射计的观测数据的精度,所述合成孔径雷达的观测数据的分辨率高于所述微波散射计的观测数据的分辨率,所述装置包括:
获取模块,用于获取所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据、所述微波散射计的观测数据,以及所述合成孔径雷达的观测数据;
反演模块,用于基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,其中,所述第一风速反演结果的精度与所述星载GNSS-R的观测数据的精度一致;以及
基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果,其中,所述第二风速反演结果的精度与所述微波散射计的观测数据的精度一致;
第一对抗生成模块,用于将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,其中,所述第三风速反演结果的精度与所述第一风速反演结果的精度一致;
所述反演模块还用于,基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果,其中,所述第四风速反演结果的分辨率与所述合成孔径雷达的观测数据的分辨率一致;
第二对抗生成模块,用于将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,其中,所述最终联合反演结果的精度、观测区域与所述第三风速反演结果的精度、观测区域一致,所述最终联合反演结果的分辨率与所述第四风速反演结果的分辨率一致。
12.如技术方案11所述的海面风速联合反演装置,其中,所述获取模块被配置为:
在所述微波散射计和所述星载GNSS-R的重叠观测区域内,获取所述微波散射计的第一观测数据,以及所述星载GNSS-R的第二观测数据;基于所述微波散射计的地球物理模型,获取与所述第一观测数据对应的第一模拟观测数据;以及
基于所述星载GNSS-R的地球物理模型,获取与所述第二观测数据对应的第二模拟观测数据;
所述反演模块被配置为:
基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果。
13.如技术方案11或12所述的海面风速联合反演装置,其中,所述获取模块还被配置为:在获取所述星载GNSS-R的观测数据时,至少获取时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率中的至少两项。
14.如技术方案11-13任一项所述的海面风速联合反演装置,其中,所述反演模块被配置为:
基于所述联合反演模型分别得到所述微波散射计的观测数据的第一误差比值,和所述星载GNSS-R的观测数据的第二误差比值;
基于所述第一误差比值和所述第二误差比值,以及所述微波散射计观测数据的预设权重,和所述星载GNSS-R的观测数据的预设权重,得到所述微波散射计和所述GNSS-R重叠观测区域内的风速反演结果;
按照预设的风速搜索步长,对所述风速反演结果进行迭代,直至风速反演结果的精度达到预设值,并将精度达到预设值的风速反演结果作为所述第一风速反演结果。
15.如技术方案11-14任一项所述的海面风速联合反演装置,还包括填补模块,所述填补模块被配置为:
基于第二风速反演结果对所述第一风速反演结果进行填补,得到填补后融合风速反演结果;
所述第一对抗生成模块被配置为:
将所述填补后融合风速反演结果扩充至所述第二风速反演结果,得到所述第三风速反演结果。
16.如技术方案11-15任一项所述的海面风速联合反演装置,其中,所述第一对抗生成模型经过如下训练:
获取单独基于微波散射计的观测数据反演得到的风速结果样本,以及填补后融合风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述填补后融合风速结果样本,利用所述第一对抗生成模型生成第一融合结果;
分别计算所述第一融合结果的对抗损失、重建损失,以及分配损失;
基于所述对抗损失、所述重建损失,以及所述分配损失对所述第一对抗生成模型进行优化。
17.如技术方案11-16任一项所述的海面风速联合反演装置,其中,所述第二对抗生成模块被配置为:
将所述第四风速反演结果扩充至所述第三风速反演结果,得到所述最终联合反演结果。
18.如技术方案11-17任一项所述的海面风速联合反演装置,其中,所述第二对抗生成模型经过如下训练:
获取第三风速反演结果样本,以及单独基于合成孔径雷达的观测数据反演得到的风速结果样本;
基于所述单独基于微波散射计的观测数据反演得到的风速结果样本和所述第三风速反演结果样本,利用所述第二对抗生成模型,生成第二融合结果;
计算所述第二融合结果的对抗损失和特征损失;
基于所述对抗损失和所述特征损失,对所述第二对抗生成模型进行优化。
19.如技术方案11-18任一项所述的海面风速联合反演装置,其中,所述第一对抗生成模型还用于,在得到所述第三风速反演结果之后,判断所述第三风速反演结果的真实性;
所述第二对抗生成模型还用于,在得到最终联合风速反演结果之后,判断所述最终联合风速反演结果的真实性。
20.如技术方案11-19任一项所述的海面风速联合反演装置,其中,所述第一对抗生成模型还被配置为:
获取任一风速产品;
将所述风速产品和所述第三风速反演结果进行空间匹配,得到所述第三风速反演结果的RMSE精度;
基于所述第三风速反演结果的RMSE精度,判断所述第三风速反演结果的真实性;
所述第二对抗生成模型还被配置为:
获取任一风速产品;
将所述风速产品和所述最终联合风速反演结果进行空间匹配,得到所述最终联合风速反演结果的RMSE精度;
基于所述最终联合风速反演结果的RMSE精度,判断所述最终联合风速反演结果的真实性。
21.一种介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如技术方案1-10中任一项所述的方法。
22.一种计算设备,所述计算设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如技术方案1-10中任一项所述的方法。
Claims (10)
1.一种海面风速联合反演方法,包括分别基于微波散射计、星载GNSS-R以及合成孔径雷达得到的多个观测数据,其中,所述星载GNSS-R观测区域和所述合成孔雷达的观测区域均小于所述微波散射计的观测区域,且所述微波散射计和所述星载GNSS-R至少具有部分重叠观测区域,所述微波散射计和所述合成孔径雷达至少具有部分重叠观测区域,所述星载GNSS-R的观测数据的精度高于所述微波散射计的观测数据的精度,所述合成孔径雷达的观测数据的分辨率高于所述微波散射计的观测数据的分辨率,所述方法包括:
基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,其中,所述第一风速反演结果的精度与所述星载GNSS-R的观测数据的精度一致;
基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果,其中,所述第二风速反演结果的精度与所述微波散射计的观测数据的精度一致;
将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,其中,所述第三风速反演结果的精度与所述第一风速反演结果的精度一致;
基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果,其中,所述第四风速反演结果的分辨率与所述合成孔径雷达的观测数据的分辨率一致;
将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,其中,所述最终联合反演结果的精度、观测区域与所述第三风速反演结果的精度、观测区域一致,所述最终联合反演结果的分辨率与所述第四风速反演结果的分辨率一致。
2.如权利要求1所述的海面风速联合反演方法,其中,基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,包括:
在所述微波散射计和所述星载GNSS-R的重叠观测区域内,获取所述微波散射计的第一观测数据,以及所述星载GNSS-R的第二观测数据;
基于所述微波散射计的地球物理模型,获取与所述第一观测数据对应的第一模拟观测数据;
基于所述星载GNSS-R的地球物理模型,获取与所述第二观测数据对应的第二模拟观测数据;
基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果。
3.如权利要求2所述的海面风速联合反演方法,其中,所述星载GNSS-R的观测数据至少包括如下中的两个:时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率。
4.如权利要求2所述的海面风速联合反演方法,其中,所述基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果,包括:
基于所述联合反演模型分别得到所述微波散射计的观测数据的第一误差比值,和所述星载GNSS-R的观测数据的第二误差比值;
基于所述第一误差比值和所述第二误差比值,以及所述微波散射计观测数据的预设权重,和所述星载GNSS-R的观测数据的预设权重,得到所述微波散射计和所述GNSS-R重叠观测区域内的风速反演结果;
按照预设的风速搜索步长,对所述风速反演结果进行迭代,直至风速反演结果的精度达到预设值,并将精度达到预设值的风速反演结果作为所述第一风速反演结果。
5.一种海面风速联合反演装置,基于微波散射计、星载GNSS-R以及合成孔径雷达的多个观测数据,其中,所述星载GNSS-R观测区域和所述合成孔雷达的观测区域均小于所述微波散射计的观测区域,且所述微波散射计和所述星载GNSS-R至少具有部分重叠观测区域,所述微波散射计和所述合成孔径雷达至少具有部分重叠观测区域,所述星载GNSS-R的观测数据的精度高于所述微波散射计的观测数据的精度,所述合成孔径雷达的观测数据的分辨率高于所述微波散射计的观测数据的分辨率,所述装置包括:
获取模块,用于获取所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据、所述微波散射计的观测数据,以及所述合成孔径雷达的观测数据;
反演模块,用于基于所述微波散射计和所述星载GNSS-R重叠观测区域内各自的观测数据,联合反演得到关于所述微波散射计和所述星载GNSS-R重叠观测区域内的第一风速反演结果,其中,所述第一风速反演结果的精度与所述星载GNSS-R的观测数据的精度一致;以及
基于所述微波散射计的观测数据,单独反演得到关于所述微波散射计的完整观测区域的第二风速反演结果,其中,所述第二风速反演结果的精度与所述微波散射计的观测数据的精度一致;
第一对抗生成模块,用于将所述第一风速反演结果扩充至所述第二风速反演结果,得到关于所述微波散射计的完整观测区域的第三风速反演结果,其中,所述第三风速反演结果的精度与所述第一风速反演结果的精度一致;
所述反演模块还用于,基于所述合成孔径雷达的观测数据,单独反演得到关于所述合成孔径雷达观测区域的第四风速反演结果,其中,所述第四风速反演结果的分辨率与所述合成孔径雷达的观测数据的分辨率一致;
第二对抗生成模块,用于将所述第四风速反演结果扩充至所述第三风速反演结果,得到最终联合反演结果,其中,所述最终联合反演结果的精度、观测区域与所述第三风速反演结果的精度、观测区域一致,所述最终联合反演结果的分辨率与所述第四风速反演结果的分辨率一致。
6.如权利要求5所述的海面风速联合反演装置,其中,所述获取模块被配置为:
在所述微波散射计和所述星载GNSS-R的重叠观测区域内,获取所述微波散射计的第一观测数据,以及所述星载GNSS-R的第二观测数据;基于所述微波散射计的地球物理模型,获取与所述第一观测数据对应的第一模拟观测数据;以及
基于所述星载GNSS-R的地球物理模型,获取与所述第二观测数据对应的第二模拟观测数据;
所述反演模块被配置为:
基于所述第一观测数据、所述第二观测数据、所述第一模拟观测数据、所述第二模拟观测数据,以及预设的联合反演模型得到所述第一风速反演结果。
7.如权利要求6所述的海面风速联合反演装置,其中,所述获取模块还被配置为:在获取所述星载GNSS-R的观测数据时,至少获取时延多普勒相关功率均值、时延相关曲线前沿斜率、时延相关曲线后沿斜率中的至少两项。
8.如权利要求6所述的海面风速联合反演装置,其中,所述反演模块被配置为:
基于所述联合反演模型分别得到所述微波散射计的观测数据的第一误差比值,和所述星载GNSS-R的观测数据的第二误差比值;
基于所述第一误差比值和所述第二误差比值,以及所述微波散射计观测数据的预设权重,和所述星载GNSS-R的观测数据的预设权重,得到所述微波散射计和所述GNSS-R重叠观测区域内的风速反演结果;
按照预设的风速搜索步长,对所述风速反演结果进行迭代,直至风速反演结果的精度达到预设值,并将精度达到预设值的风速反演结果作为所述第一风速反演结果。
9.一种介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
10.一种计算设备,所述计算设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817957.XA CN115184916A (zh) | 2022-07-11 | 2022-07-11 | 一种海面风速联合反演方法、装置、介质及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817957.XA CN115184916A (zh) | 2022-07-11 | 2022-07-11 | 一种海面风速联合反演方法、装置、介质及计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115184916A true CN115184916A (zh) | 2022-10-14 |
Family
ID=83517218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210817957.XA Pending CN115184916A (zh) | 2022-07-11 | 2022-07-11 | 一种海面风速联合反演方法、装置、介质及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115184916A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400395A (zh) * | 2023-03-28 | 2023-07-07 | 武汉大学 | 一种格网化的星载gnss-r海面风速反演方法 |
CN116699666A (zh) * | 2023-08-03 | 2023-09-05 | 北京航空航天大学 | 星下点观测的星载gnss-r海面风场反演方法及系统 |
-
2022
- 2022-07-11 CN CN202210817957.XA patent/CN115184916A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400395A (zh) * | 2023-03-28 | 2023-07-07 | 武汉大学 | 一种格网化的星载gnss-r海面风速反演方法 |
CN116400395B (zh) * | 2023-03-28 | 2023-12-08 | 武汉大学 | 一种格网化的星载gnss-r海面风速反演方法 |
CN116699666A (zh) * | 2023-08-03 | 2023-09-05 | 北京航空航天大学 | 星下点观测的星载gnss-r海面风场反演方法及系统 |
CN116699666B (zh) * | 2023-08-03 | 2023-10-31 | 北京航空航天大学 | 星下点观测的星载gnss-r海面风场反演方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wickert et al. | GEROS-ISS: GNSS reflectometry, radio occultation, and scatterometry onboard the international space station | |
Stoffelen et al. | Ambiguity removal and assimilation of scatterometer data | |
Duque et al. | Single-pass bistatic SAR interferometry using fixed-receiver configurations: Theory and experimental validation | |
CN115184916A (zh) | 一种海面风速联合反演方法、装置、介质及计算设备 | |
CN107238824B (zh) | 基于先验dem数据的星载sar图像几何精校正方法 | |
CN103698750A (zh) | 海洋二号卫星散射计海面风场反演方法和装置 | |
CN112098958B (zh) | 一种基于数字地图和气象水文信息的雷达杂波预测方法 | |
Zhu et al. | Consistency analysis of forest height retrievals between GEDI and ICESat-2 | |
Fois et al. | DopSCAT: A mission concept for simultaneous measurements of marine winds and surface currents | |
CN114910661A (zh) | 海面风速的反演方法、装置、介质和计算设备 | |
Meroni et al. | On the definition of the strategy to obtain absolute InSAR Zenith Total Delay maps for meteorological applications | |
CN115047503A (zh) | 陆面星载gnss反射信号镜面反射点校准方法及系统 | |
Lozinsky et al. | ICEBEAR-3D: A low elevation imaging radar using a non-uniform coplanar receiver array for E region observations | |
Zhang et al. | Global sea surface height measurement from CYGNSS based on machine learning | |
Tournadre et al. | High-resolution imaging of the ocean surface backscatter by inversion of altimeter waveforms | |
CN116184463A (zh) | 一种宽刈幅海面风场反演方法、装置、设备和介质 | |
Zhang et al. | Research on sea surface wind speed FM based on CYGNSS and HY-2B microwave scatterometer | |
Vaudrin et al. | Complex plane specular meteor radar interferometry | |
Collett | Applying gnss reflectometry-based stare processing to modeling and remote sensing of wind-driven ocean surface roughness | |
Ghaleb et al. | Modeling and simulation of sea surface radar observations | |
Giangregorio et al. | Along-Track Focusing of GNSS-R Coherent Signals | |
Anderson | Remote sensing applications of HF skywave radar: The Australian experience | |
Wan et al. | An empirical method for joint inversion of wave and wind parameters based on SAR and wave spectrometer data | |
US20230177236A1 (en) | Method and device for calculating solar radiation numerical data based on fixed slope angle | |
Chen et al. | Improving GNSS-R Ocean Wind Speed Retrieval for the BF-1 Mission Using Satellite Platform Attitude Measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |